Algorithme Génétique (AG) pour la découverte des paramètres

Stratégies de gestion de la demande

Actuellement, l’efficacité énergétique et la fiabilité des réseaux de transmission électriques sont des préoccupations importantes pour l’Opérateur des Systèmes de Distribution (OSD). En raison de la demande croissante d’énergie dans le secteur résidentiel [1], les réseaux de distribution existants et la capacité des systèmes de transmission peuvent être dépassés en peu de temps. Ce scénario est plus pertinent dans les environnements où les conditions climatiques sont difficiles et une grande partie de la consommation d’énergie est liée aux exigences de confort thermique. C’est le cas de la saison d’hiver canadienne, où au moins 62% de la consommation annuelle d’énergie résidentielle est consacrée aux Systèmes de chauffage des locaux (SCL) [1]. Plus précisément au Québec [3], où la pénétration des PCE est élevée. Ces systèmes PCE sont généralement contrôlés indépendamment dans chaque pièce par de simples contrôleurs Bang-bang ou proportionnels-intégral qui sont embarqués dans des thermostats programmables. Cependant, en raison du comportement de routine quotidienne et des préférences de température des consommateurs résidentiels, la consommation d’énergie quotidienne connaît deux pics importants de la demande [4].

Premièrement, un pic de 6 h à 11 h et un autre de 17 h à 21 h, lorsque les consommateurs augmentent le point de consigne de température interne au réveil et à l’arrivée du travail et commencent certaines activités habituelles comme la consommation d’eau chaude [5], cuisine, lessive, entre autres. Dans cette province, parfois pendant une période de pointe critique, l’ OSD local devrait acheter l’électricité à des tiers pour faire face à la demande qui dépasse la capacité installée de production et de distribution du réseau. Ce problème entraîne des surcoûts dans la facture finale des consommateurs et peut également entraîner des pannes d’ électrici té [4]. Par conséquent, de nombreux fournisseurs d’électricité sont attirés pour augmenter l’implication des consommateurs dans la résolution de ce problème. Différentes techniques pour prendre en charge les stratégies de GLD [6], [7] sont mises en oeuvre, comme la Tarification en temps réel (TIR) et les TTU en tant que des stratégies basées sur les prix. Cependant, d’autres approches s’appuient sur des stratégies basées sur des pénalités/incitatives qui pourraient également ajouter de l’élasticité à la demande d’énergie [8]. Ceci, dans le but de motiver les consommateurs à modifier leur comportement et à déplacer les charges non critiques vers des périodes hors de la pointe de demande. Dans le secteur résidentiel, ces conditions motivent un développement rapide des GED [9], [10], qui, ajoutés à la disponibilité croissante d’appareils « intelligents » ou réactifs, ont ouvert la voie aux progrès de la Gestion de la demande (GDD) résidentielle.

Gestion de la demande d’énergie du côté d’utilisateur

De la vaste gamme de ressources dans la littérature pour les Réseaux électriques intelligents (REl) et les techniques pour la GLD, nous pouvons extraire plusieurs motivations exposées. Premièrement, il est nécessaire que la stratégie puisse effectivement soutenir la réduction de la demande de pointe en énergie pendant les périodes critiques pour l’OSD. Entre les stratégies les plus populaires nous pouvons trouver les stratégies des tarifs variables comme les TIU, ou ToU par ses sigles en anglais et les TTR qui sont inclus dans les catégories du marché de demande-réponse, ces catégories sont présentées dans la figure 2-1 plus nous nous approchons vers la droite, les stratégies vont avoir plus d’impact sur le confort des consommateurs [6]. Par ailleurs, chaque stratégie est mieux adaptée tout en dépendant de l’échelle de temps dans laquelle le GLD fonctionnerait, comme indiqué dans la figure 2-1, où il est aussi montré la stratégie de Tarification de pic critique (TPC), et les stratégies basées sur les incitatives. Donc,chaque scénario peut entrainer des résultats qui varient d’après la stratégie choisie pour la commande, la prévision, l’ordonnance et l’optimisation. Puisque chaque stratégie a des avantages et des inconvénients soit pour les méthodes ou pour l’environnement dans lequel la GLD sera mise en place.

Comme il a été mentionné, l’un des objectifs principaux de ce travail de recherche est de chercher une façon de contrôler la température interne d’une résidence, en réduisant la charge de pointe, sur la base des informations des signaux transactionnels ou incitatifs ou uniquement sur le tarif établi par le fournisseur [6], [7] ; ensuite, la technique mise en oeuvre peut prendre en charge l’ordonnancement des charges pour déplacer les appareils flexibles hors des périodes mentionnées par écrêtage de pointe, remplissage de vallée ou une combinaison des deux [9], [ Il ], [ 12], ces deux font partie d’une liste de possibles mécanismes de gestion qui sont présentés dans la figure 2-2, qui a été prise de [ Il ], mais était originale de [12]. Enfin, les méthodes proposées doivent profiter des tarifs de l’électricité pour diminuer la facture de l’utilisateur final, en s’assurant toujours que les contraintes de confort sont respectées pour la température de la maison.

Système de gestion de la demande résidentielle

L’avancement des technologies a poussé le développement des appareils intelligents communicants qui ont comme objectif de faciliter les tâches des occupants de la résidence, par exemple, des réfrigérateurs qui peuvent faire des achat en ligne des produits manquants, des machines à laver qui sont programmables à travers internet, des aspirateurs autonomes qui apprennent son environnement, etc. Tel avancement est aussi disponible dans les systèmes de confort de la résidence, comme les systèmes de ventilation, d’illumination et les thermostats intelligents. Ces derniers peuvent ajuster la température en fonction de l’occupation, de l’heure de la journée et des préférences des occupants, ce qui les rend capables de répondre aussi aux besoins de l’QSD [8], [13], [14]. Ceci est la base des Systèmes de gestion de l’énergie domestique dont le principal but est de sensibiliser et d’appuyer les consommateurs résidentiels pour diminuer ses coûts d’électricité, augmenter l’efficacité des maisons et réduire l’empreinte carbone de ses activités [ 15]. Les SOOR sont en charge de la commande des appareils qui ont une certaine flexibilité, comme ceux indiqués avant, l’architecture d’un SODR peut être comme celle décrite dans la figure 2-3. Cependant, il existe des charges qui ne sont pas réactives aux signaux de commande ou pour lesquels une intervention empêcherait l’utilisateur de les utiliser correctement, par exemple, si un tel SOOR se proposait contrôler l’ordinateur ou le téléviseur pourrait entraîner un inconfort aux occupants.

Ce problématique nous permet de séparer les appareils électroménagers dans deux catégories très larges, les appareils contrôlables et les appareils non contrôlables [8], [14]. Oans la première catégorie nous pouvons aussi considérer deux autres classes, les appareils interruptibles et ceux non interruptibles [8], c’est-à-dire les appareils que non seulement peuvent être contrôlés, mais qu’une fois ils ont démarré, il est possible de les arrêter. Par exemple, nous pouvons considérer qu’une machine à laver est non ininterruptible si nous ne pouvons que contrôler le démarrage du lavage. Cependant, la même machine peut être considérée interruptible si nous pouvons l’arrêter entre cycles ou directement mettre en pause le lavage. Par ailleurs, les SOOR tiennent compte des Systèmes de production locale (SPL) [8], [14], [16], pour permettre l’optimisation des ressources et des sources disponibles, en minimisant les pertes de l’énergie de surplus et les coûts d’ électricité, quand il est possible de passer d’une source de production locale au réseau électrique. Les SaDR doivent contrôler les cycles de recharge des technologies de stockage, comme les batteries des panneaux photovoltaïques, comme montré dans la figure 2-4. Cependant, arriver au point optimal d’opération du système est un enjeu qui a une grande quantité des variables, par exemple, les systèmes de production éolienne varient énormément la puissance délivrée, puisque le vent a un comportement stochastique et prédire une telle variation est une tâche complexe. En revanche, le travail ici exposé n’a pas tenu en compte les SPL, donc une seule source d’énergie est considérée. Aussi, de ces catégories des appareils, mentionnés auparavant, celle qui concerne la recherche menée ici c’est la catégorie de charges contrôlables et interruptibles du SCL, qui sont considérées être commandées par des thermostats intelligents et communicants. Ces thermostats doivent pouvoir automatiser la commande des charges en tenant compte des contraintes de confort et le prix d’électricité [13]. Cependant l’architecture d’un tel système peut être définie de plusieurs façons, soit avec un calcul centralisé de la commande, décentralisé et distribué. Ces distinctions seront présentées plus tard quand les stratégies de contrôle seront présentées.

Unités d’accumulation thermique: Briques céramiques

Dans le contexte ici présenté le SEST est l’une des options les plus intéressantes pour remplacer un ou plusieurs peE, surtout face à une stratégie de gestion de la demande qui permet de prévoir les périodes de grande consommation avec assez de temps pour permettre le SGDR de faire recharger les systèmes de stockage, un exemple de cette méthodologie est montré dans [34], en utilisant la stratégie de TTU de la province de Nouvelle-Écosse a permis au système de commande de recharger dans les périodes où le prix de l’électricité est bas pour réduire la facture des occupants. Plusieurs travaux de recherche ont été développés au Canada dans les dernières années, pour étudier les effets de l’implémentation des SEST [36], son impact dans le réseau [34] et aussi les possibilités pour les intégrer avec des SPL [24] et dans des régions éloignes [35]. Ces travaux correspondent très bien aux scénarios établis pour le travail ici exposé, puisqu’ ils partagent des conditions climatiques de l’environnement ici étudié. De différentes options trouvées dans le marché, ces travaux ont utilisé pour la plupart, les unités d’accumulation thermique de la compagnie STEFFES, ces SEST sont très populaires dans les provinces comme la Nouvelle-Écosse et l’Ontario où les tarifications de l’électricité ont permis aux consommateurs d’avoir plus d’implication dans la gestion de la demande, tout en réduisant leurs coûts d’énergie. Le dispositif qui est utilisé dans cette recherche est l’unité de pièce 2102 de STEFFES [37]. Ce dispositif sera modélisé dans le chapitre suivant, où un modèle pour l’optimisation et un autre d’émulation seront développés, afin de nous permettre de tester l’implémentation de ces systèmes de stockage. La structure basique d’un SEST est montré dans la figure 2-15, celle-ci est composée d’un noyau des briques céramiques à travers lesquels il y a des éléments chauffants qui vont augmenter la température du noyau jusqu’à 700°C, ce qui le permet de stocker plus d’énergie dans un volume réduit, comparé avec, par exemple, les systèmes de chauffe-eau[21 ]. Le noyau est entouré par un revêtement isolant que va maintenir la température interne du système.

Table des matières

Résumé
Remerciements
Dédicace
Table des matières
Table des figures
Liste des tableaux
Acronymes
Nomenclature
Chapitre 1 – Introduction
1.1 Contexte général et problématique
1.2 Objectifs de la recherche
1.2.1 Contributions Envisagées.
1.3 Méthodologie
1.4 Organisation du mémoire de maîtrise
Chapitre 2 – Revue de littérature
2.1 Stratégies de gestion de la demande
2.1.1 Gestion de la demande d’énergie du côté d’utilisateur .
2.1.2 Système de gestion de la demande résidentielle
2.2 Systèmes de stockage d’énergie
2.2.1 Stockage thermique__ .
2.2.2 Configurations des systèmes de stockage thermique
2.2.3 Unités d’accumulation thermique: Briques céramiques.
2.3 Techniques de modélisation
2.3.1 Modèles RC simplifiés
2.4 Stratégies de commande
2.4.1 Méthodes de commande classique
2.4.2 Méthodes de commande intelligente
2.4.3 Stratégies centralisées et décentralisées
2.4.4 Architectures multi-agent
2.5 Analyse et synthèse de la revue de littérature
Chapitre 3 – Méthodes proposées pour le SGDR
3.1 Stratégie de modélisation et estimation des paramètres
3.1.1 Algorithme Génétique (AG) pour la découverte des paramètres
3.1.2 Opérateurs génétiques
3.1.3 Modélisation distribuée des pièces dans la résidence
3.1.3.1 Modèle de la pièce et le Système de plinthe électrique chauffante (PCE)
3.1.3.2 Fonction d’ évaluation pour le modèle de la pièce:
3.1.3.3 Modèle du Système électrique de stockage thermique (SEST)
3.1.3.4 Fonction d’évaluation pour le modèle du SEST
3.2 Stratégie de commande pour le SGDR
3.2.1 Algorithme génétique de tri non-dominé (NSGA-II)
3.2.2 Contrôle distribué dans les pièces de la résidence
3.2.2.1 Représentation de la trajectoire de l’agent PCE
3.2.2.2 Représentation de la trajectoire de l’agent SEST
3.2.2.3 Schéma coopératif de co-évolution
3.2.2.4 Schéma de suppression de déplacement.
3.3 Résumé
Chapitre 4 – Validation des méthodes proposées
4.1 Tests de l’Algorithme Génétique pour l’estimation des paramètres thermiques
4.1.1 Résultats de la modélisation d’une résidence
4.1.1.1 Système d’émulation avec matériel dans la boucle
4.1.1.2 Résidence réelle dans la ville de Trois-Rivières.
4.1.2 Modélisation du SEST réel
4.1.2.1 Banc d’essai
4.1.2.2 Résultats du modèle du système d’accumulation
4.2 Implémentation d’un système d’émulation sur MATLAB/Simulink
4.2.1 Modèle multicouche d’ une résidence
4.2.2 Modèle plinthe chauffante
4.2.3 Modèle système d’accumulation thermique
4.3 Scénarios de référence et résultats pour le SaDR proposé
4.3.1 Scénarios de simulation
4.3.2 Résultats de la phase de découverte
4.3.3 Résultats de la stratégie distribuée
4.3.3.1 Paramètre de compromis
4.3.3.2 Réduction du pic de consommation dans les périodes critiques
4.3.3.3 Effets de coordination
4.4 Résumé
Chapitre 5 – Analyse et conclusions
Bibliographie

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *